• 快捷搜索
  • 全站搜索

民营银行构建大数据智慧银行的思考

2015-12-25 16:40:53作者:上海华瑞银行股份有限公司首席信息官  孙中东编辑:金融咨询网
华瑞银行IT建设一直强调架构先行,在建设之初就制定了同时面向传统银行、互联网银行及多种创新模式的“1+1+N”IT建设架构,这一架构是华瑞银行在“互联网+”大背景下同时打造物理银行基础能力和互联网银行服务能力的战略选择。

2015年3月5日,李克强总理在政府工作报告中提出制定“互联网+”行动计划,标志着“互联网+”战略已上升至国家战略,这将进一步推动我国移动互联网、云计算、大数据、物联网等前沿科技基础设施的发展。6月底国务院发布了《关于促进民营银行发展的指导意见》,其充分体现了金融监管部门深化金融体制改革、激发金融市场活力、优化金融机构体系的意志和决心,也标志着民营银行由试点转入常态化,上海华瑞银行股份有限公司(以下简称“华瑞银行”)作为第一批新生的五家民营银行之一,从筹建到正式营业,一路承载着社会各界的关心和期盼。在“互联网+”国家战略和民营银行发展常态化的双重背景下,华瑞等新兴民营银行怎样在“互联网+金融”的大格局下生存和发展便成了一个绕不开的话题,如果说IT基础设施建设是“互联网+”环境下赖以生存的重要基础,那么大数据技术的应用则是民营银行发展壮大、打造差异化竞争力的利器。

        华瑞银行IT建设一直强调架构先行,在建设之初就制定了同时面向传统银行、互联网银行及多种创新模式的“1+1+N”IT建设架构,这一架构是华瑞银行在“互联网+”大背景下同时打造物理银行基础能力和互联网银行服务能力的战略选择。第一个“1”即物理银行基础能力方面:华瑞银行创造了“54天上线自主核心银行系统、两个月打造五级灾难恢复标准的自主数据中心”的国内银行业纪录,为银行的正式开业奠定了基础,在批准筹建至今的一年时间里,华瑞银行迅速完成了覆盖核心、总账、支付清算、信贷、IC卡、自贸区业务、票据业务、监管报送、企业网银、移动银行、自动化办公等领域的三十多套IT系统的搭建。第二个“1”的重要组成部分为大数据应用能力,定位于打造差异化竞争力的利器,华瑞银行已经在尝试落地应用。本文主要介绍华瑞在大数据应用领域的思考和探索。

大数据技术,重点服务于银行展业需要

        众所周知,自大数据技术出现以来,国内银行业从未停止过在该领域的研究和追赶,银行传统数据应用长期面临诸如数据质量、标准、架构、模型、计量、展现等问题,大中型银行因为手工数据与系统数据并存、新线数据与旧线数据并存等原因导致数据质量问题凸显;同时,银行业发展过程中对于数据管理职能分工不清晰导致出现数据标准落地执行相关问题,在数据架构上没做到统一规划;在数据模型上缺乏专业的团队和人才管理,数据计量方面往往会出现“数出多门”的问题,从而导致计量上的差错;数据往往缺少统一的门户来综合展现各项管理指标。近年来上述问题一直困扰着银行业,银行业也尝试通过大数据技术来解决这类问题,但其实可以预知这些尝试效果不会太好,因为大数据技术更侧重非结构化数据的关联分析,所以大数据技术应该面向银行展业需要,银行业长期面临的数据问题应该在现有方法论体系上继续深入改进实施,银行的大数据应用方向主要聚焦于精准获客营销和大数据风控。

CustomerDNA,银行大数据最重要的基石

        当前互联网环境下,互联网人群通过与社交网络、电商、移动应用等渠道交互产生大量数据,互联网非结构化数据成为构建CustomerDNA的另一大来源,与银行传统客户偏结构化数据形成天然互补。用户购物交易信息、社交兴趣和群体等信息能很好地标示客户的独特属性,为客户画像描述提供支持,只有充分收集客户“DNA”,才能深入了解客户的千人千面,才能为客户提供贴身拟合的服务,才能充分揭示客户风险。

去中心化的大数据征信,没数据一样可以做大数据

        大数据的价值在于智慧地通过机器学习沉淀到模型之中,而不在于数据本身,不断沉淀的集体智慧为风控和精准营销提供服务。相对于大型银行、电商或社交平台,华瑞银行等新兴民营银行在创立之初并不具备大数据的原始积累,碎片化的数据只是“血液”,而真正让大数据发挥价值的“大脑中枢”是精细化的模型设计,华瑞银行将侧重数据价值创造,运用先进的建模工具和方法论,构建出一套适应移动互联网银行的大数据技术体系。

        华瑞银行将致力于打造一个去中心化的大数据处理核心,仅负责连接、分析、处理生成画像与评分,客户与合作方自行管理自有数据,以此强化与拥有碎片数据的生态参与者在场景上的合作性。华瑞银行的大数据平台将利用各种数据做出智能的决策,并对外提供服务,例如帮助客户基于数据做出财务分析的决策、帮助合作伙伴做出精准营销的决策。华瑞银行也将构建自己的大数据团队,引入包括大数据开发工程师、建模工程师,数据科学家在内的新型人才;利用行业领先的技术、智慧处理引擎等来帮助开展任何有关大数据分析方面的业务。“90%的数据是没有价值的”,所以我们更善于挖掘数据“金矿”,哪些数据要优先采用,哪些数据需要舍弃,我们有一套数据清洗的标准。此外,所有数据的应用场景我们都进行了标准化,基于某个应用场景对应某些数据的范围来做出决策,评估出哪些数据更加实用,对权重进行动态的调节。通过我们的系统,合作方及银行营销人员、风控人员可精准定位客户标签,获取完整的客户画像与信用评分。

“精准营销和大数据风控”,大数据在银行业应用的核心领域

        民营银行受制于网点规模及营销成本等因素,不太可能在线下进行大规模的广播式营销和推广,银行本身也会将目标客群锁定在数量众多、不受地域限制的线上用户。因此,怎样精准地定位到目标人群,以较高的转化率对其进行营销,是民营银行大数据应用的核心能力之一。

        一个用户到达银行的任意一个触点时,几百毫秒之内,我们就要能够识别这个用户的特征,在姓名未知的情况下知道他的爱好、活动范围、风险偏好等等,更进一步,依据该用户的个人特点,推荐他最后可能购买的产品或服务。从技术实现上来讲,大数据平台会给出一个推荐队列,产品在前端根据队列动态生成用户的主页,这样就使得每个人看到的页面都是不同的,用户才有可能觉得这个产品是智慧的,用户点击或者不点击推荐的产品,其行为的结果都会成为推荐算法学习的依据。为了达到这一点,一切都需要在极短时间内完成,这决定了大数据平台的架构必须以内存计算为主,完成计算及推荐以后,再进行磁盘读写。值得注意的是,对用户数据的处理需要考虑变化因素,因为每个人的兴趣是随着时间推移而发生变化的,针对每个特征都加入时间衰减因子,推荐队列会随时间推移而变化,这样每个人在不同时间看到的推荐内容也不尽相同,才能做到真正的精准推荐。

        民营银行大数据的另一个核心能力在于大数据风控。数据显示,2015年二季度末,商业银行不良贷款余额10919亿元,较上季度末增加1094亿元,这已经是商业银行不良贷款余额连续第15个季度上升,在传统商业银行风控体系下,在客户经理尽职调查、线下队伍实地考察、贷后催收等手段的保障下,仍然无法降低不良贷款和坏账率,缺少线下队伍的民营银行显然面临着更艰巨的挑战。值得庆幸的是,随着政府数据的逐步开放和民间个人征信牌照的下发,有越来越多的渠道来收集数据进行风险控制,使得大数据风控成为可能。例如法院将失信被执行人的数据公开后,就会使得“老赖”们几乎无法从银行获得贷款,因为这些数据都被各机构收录进了反欺诈黑名单,此外,通过手机使用时间、上次登录位置与本次的间隔和距离等,也可以有效地排查欺诈交易。不过数据孤岛仍然是国内大数据行业面临的最大问题,以首批八家获得筹建资格的个人征信机构为例,几乎每家都有自己平台或 体系内的独有数据,这样就可能出现同一客户在多家征信机构的评分结果参差不齐的现象。在这种情况下,我们可以采众家之长,把各家的模型评分作为自身模型的变量之一,结合自身的数据不断优化自有模型。依托这种“信用矩阵”的架构,可以快速积累自身的模型,短时间内完成传统风控体系中需要数月甚至数年才能完成的积累过程。

        银行这一组织结构从诞生到现在已经经历了几百年的发展历程,在具备了较成熟的管理体系和发展模式的同时也遗留了很多制约自身发展的问题。民营银行作为我国金融体系的重要补充,其重走我国成熟银行发展道路的可能性微乎其微,在“互联网+”发展的东风下依托大数据技术等手段探索互联网银行的经营模式,完全融入到移动互联网的整个生态体系中进行业务发展是民营银行的不二之选。

(文章来源:中国金融电脑杂志)

扫码即可手机
阅读转发此文

本文评论

相关文章

频道最近更新

频道热门文章